Comparing generative models with the new physics learning machine

Samuele Grossi

doi:10.1016/j.nuclphysb.2026.117349

Comparing generative models with the new physics learning machine

2026-02-01

0

OA

AI

DOI：10.1016/j.nuclphysb.2026.117349

原文链接

查看原文

摘要

En 中文

生成模型在科学研究中的兴起呼唤了对评估其保真度新方法的发展。解决此问题的自然框架是双样本假设检验，即判断两个数据集是否来自同一分布的任务。在大型和高维场景下，机器学习提供了一套工具以超越标准统计技术的局限。本研究中，我们通过将高能物理学文献中的一项近期提案——新物理学习机（New Physics Learning Machine）——与[1]中提出的框架下多种替代方法进行比较，以检验此论断。我们强调了该方法在效率上的权衡以及采用基于学习的方法所带来的计算成本。最后，我们讨论了不同方法在不同应用场景下的优势。

Keyword:

Generative models

Machine learning

Two-sample testing

Goodness-of-fit

Validation

Comparing generative models with the new physics learning machine

摘要

AI总结

期刊

机构